import numpy as np import matplotlib.pyplot as mp import datetime as dt import matplotlib.dates as md ''' 移动均线:制作收盘价的5日移动均线,即从第5天开始,每天计算最近5天的收盘价的均值构成的一条线 ----作用:降噪 ''' # 日期转化函数 def dmy2ymd(dmy): # 把dmy格式的字符串转化成ymd格式的字符串 dmy = str(dmy, encoding='utf-8') d = dt.datetime.strptime(dmy, '%d-%m-%Y') d = d.date() ymd = d.strftime('%Y-%m-%d') return ymd dates, opening_prices, highest_prices, lowest_prices, closing_prices = \ np.loadtxt('./da_data/aapl.csv', delimiter=',', usecols=(1, 3, 4, 5, 6), unpack=True, dtype='M8[D], f8, f8, f8, f8', converters={1: dmy2ymd}) # converters为转换器,运行时先执行,其中1表示时间所在的列索引号 # 绘制收盘价折线图 mp.figure('AAPL', facecolor='lightgray') mp.title('AAPL', fontsize=18) mp.xlabel('date', fontsize=12) mp.ylabel('closing_pricing', fontsize=12) mp.tick_params(labelsize=10) mp.grid(linestyle=':') # 设置x轴的刻度定位器,使之更适合显示日期数据 ax = mp.gca() # 以周一作为主刻度 ma_loc = md.WeekdayLocator(byweekday=md.MO) # 次刻度,除周一外的日期 mi_loc = md.DayLocator() ax.xaxis.set_major_locator(ma_loc) ax.xaxis.set_major_formatter(md.DateFormatter('%Y-%m-%d')) ax.xaxis.set_minor_locator(mi_loc) # 日期数据类型转换,更适合绘图 dates = dates.astype(md.datetime.datetime) mp.plot(dates, closing_prices, linewidth=2, linestyle='--', color='dodgerblue', label='AAPL', alpha=0.3) # 绘制5日移动均线 sma = np.zeros(closing_prices.size - 4) for i in range(sma.size): sma[i] = closing_prices[i:i + 5].mean() mp.plot(dates[4:], sma, color='orangered', linestyle=':', label='SMA5') mp.tight_layout() mp.legend() # 自动格式化x轴日期的显示格式(以最合适的方式显示) mp.gcf().autofmt_xdate() mp.show()
基于卷积运算实现5日移动平均线
卷积运算规则及分类:
实现代码:
import numpy as np import matplotlib.pyplot as mp import datetime as dt import matplotlib.dates as md ''' 1.移动均线:制作收盘价的5日移动均线,即从第5天开始,每天计算最近5天的收盘价的均值二构成的一条线 ----作用:降噪 2.有效卷积实现5日移动平均线绘制 ''' # 日期转化函数 def dmy2ymd(dmy): # 把dmy格式的字符串转化成ymd格式的字符串 dmy = str(dmy, encoding='utf-8') d = dt.datetime.strptime(dmy, '%d-%m-%Y') d = d.date() ymd = d.strftime('%Y-%m-%d') return ymd dates, opening_prices, highest_prices, lowest_prices, closing_prices = \ np.loadtxt('./da_data/aapl.csv', delimiter=',', usecols=(1, 3, 4, 5, 6), unpack=True, dtype='M8[D], f8, f8, f8, f8', converters={1: dmy2ymd}) # converters为转换器,运行时先执行,其中1表示时间所在的列索引号 # 绘制收盘价折线图 mp.figure('AAPL', facecolor='lightgray') mp.title('AAPL', fontsize=18) mp.xlabel('date', fontsize=12) mp.ylabel('closing_pricing', fontsize=12) mp.tick_params(labelsize=10) mp.grid(linestyle=':') # 设置x轴的刻度定位器,使之更适合显示日期数据 ax = mp.gca() # 以周一作为主刻度 ma_loc = md.WeekdayLocator(byweekday=md.MO) # 次刻度,除周一外的日期 mi_loc = md.DayLocator() ax.xaxis.set_major_locator(ma_loc) ax.xaxis.set_major_formatter(md.DateFormatter('%Y-%m-%d')) ax.xaxis.set_minor_locator(mi_loc) # 日期数据类型转换,更适合绘图 dates = dates.astype(md.datetime.datetime) mp.plot(dates, closing_prices, linewidth=2, linestyle='--', color='dodgerblue', label='AAPL', alpha=0.3) # 绘制5日移动均线 sma = np.zeros(closing_prices.size - 4) for i in range(sma.size): sma[i] = closing_prices[i:i + 5].mean() mp.plot(dates[4:], sma, color='orangered', linestyle=':', label='SMA5') # 基于卷积实现5日均线 kernel = np.ones(5) / 5 sma2 = np.convolve(closing_prices, kernel, 'valid') mp.plot(dates[4:], sma2, color='magenta', linewidth=7, label='SMA52', alpha=0.3) mp.tight_layout() mp.legend() # 自动格式化x轴日期的显示格式(以最合适的方式显示) mp.gcf().autofmt_xdate() mp.show()
加权卷积实现5日加权均线
--------卷积核相当于权重数组
实现代码如下:
import numpy as np import matplotlib.pyplot as mp import datetime as dt import matplotlib.dates as md ''' 1.移动均线:制作收盘价的5日移动均线,即从第5天开始,每天计算最近5天的收盘价的均值二构成的一条线 ----作用:降噪 2.有效卷积实现5日移动平均线绘制 ''' # 日期转化函数 def dmy2ymd(dmy): # 把dmy格式的字符串转化成ymd格式的字符串 dmy = str(dmy, encoding='utf-8') d = dt.datetime.strptime(dmy, '%d-%m-%Y') d = d.date() ymd = d.strftime('%Y-%m-%d') return ymd dates, opening_prices, highest_prices, lowest_prices, closing_prices = \ np.loadtxt('./da_data/aapl.csv', delimiter=',', usecols=(1, 3, 4, 5, 6), unpack=True, dtype='M8[D], f8, f8, f8, f8', converters={1: dmy2ymd}) # converters为转换器,运行时先执行,其中1表示时间所在的列索引号 # 绘制收盘价折线图 mp.figure('AAPL', facecolor='lightgray') mp.title('AAPL', fontsize=18) mp.xlabel('date', fontsize=12) mp.ylabel('closing_pricing', fontsize=12) mp.tick_params(labelsize=10) mp.grid(linestyle=':') # 设置x轴的刻度定位器,使之更适合显示日期数据 ax = mp.gca() # 以周一作为主刻度 ma_loc = md.WeekdayLocator(byweekday=md.MO) # 次刻度,除周一外的日期 mi_loc = md.DayLocator() ax.xaxis.set_major_locator(ma_loc) ax.xaxis.set_major_formatter(md.DateFormatter('%Y-%m-%d')) ax.xaxis.set_minor_locator(mi_loc) # 日期数据类型转换,更适合绘图 dates = dates.astype(md.datetime.datetime) mp.plot(dates, closing_prices, linewidth=2, linestyle='--', color='dodgerblue', label='AAPL', alpha=0.3) # 绘制5日移动均线 sma = np.zeros(closing_prices.size - 4) for i in range(sma.size): sma[i] = closing_prices[i:i + 5].mean() mp.plot(dates[4:], sma, color='orangered', linestyle=':', label='SMA5') # 基于卷积实现10日均线 kernel = np.ones(10) / 10 sma2 = np.convolve(closing_prices, kernel, 'valid') mp.plot(dates[9:], sma2, color='magenta', linewidth=7, label='SMA52', alpha=0.3) # 基于卷积实现5日均线 kernel = np.ones(5) / 5 sma3 = np.convolve(closing_prices, kernel, 'valid') mp.plot(dates[4:], sma3, color='magenta', linewidth=7, label='SMA53', alpha=0.3) # 基于加权卷积实现5日加权均线 weights = np.exp(np.linspace(-1, 0, 5)) weights = weights[::-1]/weights.sum() print(weights.sum()) sma4 = np.convolve(closing_prices, weights, 'valid') mp.plot(dates[4:], sma4, color='red', linewidth=3, label='SMA54', alpha=0.3) mp.tight_layout() mp.legend() # 自动格式化x轴日期的显示格式(以最合适的方式显示) mp.gcf().autofmt_xdate() mp.show()
一维卷积适合解决的问题:
1.边移动边计算,对应位置相乘再相加;-
2.数据平滑处理,数据降噪;----重点是卷积核如何选取